02 人工智能的历史使命：让人类知道更多，做到更多，体验更多（第2/12页）

可以看出，以现代数字计算系统为基础，IT（信息技术）行业在创造数以万亿元计的价值时，正是从组织信息（Information Organization，IO，帮助人类认知更多）、完成任务（Task Completion，TC，帮助人类实现更多）、丰富经验（Experience Enrichment，EE，帮助人类获得更多经验）三个核心维度上使人类取得长足的进步。

而人工智能作为人类计算能力的又一次全新升级，仍然是从上述三个纬度推动人类进步。而且，由于人工智能是一种革命性的、更高级别的智能计算系统（Intelligent Computing System，ICS），它对人类进步的推动作用也是前所未有的、革命性的。

决定现代数字计算系统主要结构的是资源的组织形式。而人工智能计算的本质，简单来说，非常不同于冯·诺依曼的控制流结构，后者采用线性的记忆体和布尔函数作为基线计算操作。而新的范式是神经网络计算，其特征在于分布式的表示和激活模式。在这里，变量由叠加在共享物理资源（如神经元）上的向量表示，并且通过神经元的激活来进行计算。网络的拓扑架构和激活模式提供了巨大的计算空间，可以有效并且自然地捕获丰富的知识（通过拓扑的超参数、权重、激活函数）。相对于冯·诺依曼架构中的本地化表示（其中变量由诸如寄存器的专用或局部化物理资源表示）和符号计算，神经网络计算在学习和表示物理世界以及社会的丰富的语义知识方面更加自然和强大。

通过神经网络计算的力量，下一波的人工智能技术可以在以下两个维度提升目前的计算系统：

一是自动分层特征/表示学习。这是机器学习容量的实质性提升，因为当今机器学习工作的很大一部分关键在于特征工程。如百度大脑已经拥有万亿级的参数、千亿级的样本和千亿级的特征训练。

二是高级认知，特别是感知能力。这是下一代设备（如无人驾驶汽车）和下一代平台（如自然语言会话）产生的巨大催化剂。

人工智能计算的强大能力将有助于产生许多新品种的智能系统，如机器律师、机器分析师、医疗机器人、智能客服人员等。

人工智能计算的另一个发展方向是组织各种服务于特定物理架构和物理要素的系统，如家、办公室、工厂等的智能系统。其基本模式是通过使用物联网传感器的各种原始信号，人工智能的“感知系统”会对物理架构进行识别和感知；而“认知系统”需要组织信息和学习更多关于物理架构的知识，并去预测、判断和决策，以使各类物理系统更加智能。

目前，在科研领域，人工智能计算可以提供更先进的建模能力，成为多领域和新一波科研浪潮的催化剂。

在商业方面，人工智能可以提供额外的机会，为企业组织创建集成的业务计算系统（Business Computing System，BCS）平台。如记录业务对象（如系统设计模型、交易记录）和业务流程［如ERP（企业资源计划）、CRM（客户关系管理）］；或者系统设计并模仿人类工作活动，如沟通、协作、阅读、写作、寻求信息等。

目前来说，人工智能的“感知系统”有更广泛、更新的商业机会：一方面，可以构建和部署更多的“传感系统”的子系统，针对的是物理环境或物理系统，如装配线、工厂等。这使得未来人力密集的制造业、商业服务业等，可以采用更先进的信息工具和更强的自动化。另一方面，自然语言处理技术的迅速进步使得我们可以扫描和分析文本文档和信息，并从中提取各种高价值的业务知识，而构建和部署专用的“文本理解子系统”可以得到很多高价值的知识和商业回报。